对于目标跟踪系统的未知观测噪声的信息融合多步估计算法.pdf

第43卷 第 1期 曲 阜 师 范 大 学 Vo1．43 No．1 2017年 1月 Journal of Qufu Norma1 Jan．2017 对于 目标跟踪系统的未知观测噪声的 信息融合多步估计算法* 李 恒 ， 李怀敏 ， 李 军， 曹红兵 (阜阳师范学院计算机与信息工程学院，236037，安徽省阜阳市) 摘要：对于一个 目标跟踪系统，当用多个传感器对其进行跟踪时，针对传感器观测过程中存在的未知观 测噪声，该文提出一种信息融合多步估计算法．该算法第 1步将状态方程转化为 自回归滑动平均模型(ARMA 模型)形式，第 2步对ARMA模型用递推增广最tb--乘法估计出未知参数的估值，第 3步用相关函数法得到 对未知观测噪声的元偏估计．最后用数学方法证明了估值相对于真实值在数学意义上的收敛性，并用 Matlab 对一个例子做了仿真． 关键词 ：未知观测噪声；目标跟踪系统；信息融合；多步估计算法 中图分类号 ：TP273 文献标识码 ：A 文章编号：1001—5337(2017)01—0062—05 学 U n 目标跟踪问题是航空航天领域常见的问题，在军事、航空航天、航海等领域都得到广泛的应用口]．如何能 报 准确地获得 目标的位置、速度和加速度等信息，是 目标跟踪的关键问题_2]．一般来说，可以用状态空间方程来 i2 描述 目标状态变化规律的模型，用观测方程来描述观测过程 中观测结果和实际状态 的关系．在观测方程 中， 观测噪声的存在影响对实际状态的估计 ，从被噪声污染的观测结果中过滤出有用信号即为通常讲的滤波[3]． 为了得到更精确的滤波结果，多个传感器融合在实际应用中得到广泛应用．在以往 的目标跟踪研究中如文献 [4，5]，不甚考虑对观测噪声的无偏估计问题，或者仅凭厂商的传感器精度估计观测噪声的方差大小．而在实 际应用中，由于每个传感器所处的环境不同(包括温度湿度等 自然环境差别)、所处的位置角度不同、自身性 能不同，而导致传感器在某一具体环境中的观测噪声不同．如果某个传感器的观测噪声相对来说比较大，则 认为该传感器被噪声污染严重 ，一般来说可以赋予该传感器 的观测值比较小的权 [6罐]．所以在滤波过程 中，将 观测噪声的统计信息估计出来是很有必要的．本文对于带未知观测噪声的多传感器 目标跟踪系统，为辨识出 未知观测噪声的无偏估计，特提出一种多步辨识算法，其第一步将状态空间方程和观测方程转化为 自回归滑 动平均模型(ARMA)模型，第二步利用递推增广最小二乘法[9](RELS法)对第一步求得 的ARMA模型进 行辨识，可得到对参数的估计和相关噪声方差的估计，第三步用相关函数法[2求得对观测噪声的线性方程 组，通过对该线性方程组求解可求得对观测噪声方差的估值．最后对于估值的收敛性给出了数学证明．Mat- lab软件被用来对一个例子进行仿真，得到的仿真估值相对于真实值具有 良好的收敛性，这对本文提出的算 法 的有效性做 了很好 的验证． 1 问题的提出 对一个 目标跟踪系统，为简单计，考虑单输入输出系统，有状态方程 S(f+ 1)一 s()+ AW (￡)， *收稿 日期 ：2016-07—21 基金项 目：阜阳师范学院科研项 目(2015FSKJ11，2016FSKJ16)． 作者简介 ：李恒 ，男，1985一，硕士，讲师；研究方向：多传感器信息融合与系统辨识．E-mail：shenzhou5haoO519@163．com． 第 1期 李恒 ，等：对于 目标跟踪系统的未知观测噪声的信息融合多步估计算法 63 有观测方程 Y (￡)=Hs(￡)+ (￡)+ ‘(￡)，i一1，… ，L．